zbMATH中的参考文献（引用于，1标准件)

1. Córdoba，Irene；Bielza，Concha；Larrañaga，Pedro:条件独立性的高斯-马尔可夫模型综述（2020）
2. Rantanen，Kari；Hyttinen，Antti；Järvisalo，Matti:发现带有循环和潜在混杂因素的因果图：一种精确的分枝定界方法（2020）
3. 博格，弗洛里安J.：许多世界中最好的，或者，量子退相干是一种性格的表现吗？（2019年）
4. Bucur，Ioan Gabriel；Claassen，Tom；Heskes，Tom：基因调控关系的大规模局部因果推断（2019年）
5. Castelletti，Federico；Consonni，Guido：用于识别信号通路的高斯介入基本图的客观贝叶斯模型选择（2019年）
6. Costa，Lilia；Smith，James Q.；Nichols，Thomas：使用功能磁共振成像网络时间序列的多元回归动态模型进行群体分析（2019年）
7. Cui，Ruifei；Groot，Perry；Heskes，Tom:使用高斯copula模型从缺失值的混合数据中学习因果结构（2019）
8. de Campos，Luis M.；Cano，Andrés；Castellano，Javier G.；Moral，Serafín：结合基因表达数据和先验知识，通过贝叶斯网络使用结构限制推断基因调控网络（2019年）
9. Draisma，Jan:高斯图形模型中的偏相关超曲面（2019）
10. Drton，Mathias；Fox，Christopher；Wang，Y.Samuel:循环结构方程模型中最大似然估计的计算（2019年）
11. Frot，Benjamin；Nandy，Preetam；Maathuis，Marloes H.：带有一些隐藏变量的鲁棒因果结构学习（2019）
12. 顾嘉颖；傅，费；周青：离散数据有向无环图的惩罚估计（2019）
13. 郭，肖；张，海；王，姚；梁，勇：包含无标度特性的稀疏有向无环图的结构学习（2019）
14. Huang，Whitney K.；Cooley，Daniel S.；Ebert Uphoff，Imme；Chen，Chen；Chatterjee，Snigdhansu:极值依赖的新探索工具：（\chi）网络和年度极值网络（2019）
15. 伊美，小介；江志超：评论：多重原因的挑战（2019）
16. 因果推理（Jensen，2019）强化经验推理（Jensen，2019）
17. Omid Momin；Esfahanipour，Akbar；Seifi，Abbas：考虑因果网络中行为偏差的稳健估计的投资组合选择（2019年）
18. Phister，Niklas；Bühlmann，Peter；Peters，Jonas：序列数据的不变因果预测（2019年）
19. 祁小龙；樊晓聪；高，杨；刘彦芳：使用最弱互信息优先策略学习贝叶斯网络结构（2019）
20. 舒尔特，奥利弗：《奥卡姆剃须刀的因果学习》（2019）